制造企业甲方视角中,如何实现AI大模型在内部场景的落地

原创 爱分析ifenxi 2024-11-25 18:02





本期分享专家将从以下四部分带来今天的分享:第一个是数字化的挑战和新机遇;第二个是在 AI 时代下,如何把业务重新做梳理和落地;第三个分享内部落地场景,包括个人过去工作的案例和企业内正在做的 AI 的场景;最后一个关于商业AI的战略和指导建议。

分享嘉宾|薛笃 理士集团 IT 总监

内容已做精简,如需获取专家完整版视频实录和课件,请扫码领取。


01

数字化挑战与新机遇

首先基于个人经验谈一下我对数字化的理解,之前我是做乙方的,后来从乙方的身份转到甲方,所以从我的过往经历中,甲方、乙方对于数字化确实是有很大的差异。

以前乙方公司可能是聚焦在具体的问题上面,或者项目上面,可能问题处理完,或者项目目标完成后,就跟甲方脱钩了,而且后续的工作并没有那么紧密。但是来到甲方之后我会发现制造业的企业中,业务人员对于 IT、对于数字化、甚至对于 AI 的理解是非常浅显的,我们作为甲方其实面临很多的困难,不只是落地 AI 的场景,还有面对常规的数字化项目的落地,也都是重重的困难。

所以需要理解业务的困境和视角,举了几个例子。

从目标上看,业务更希望提升客户的满意度,提升工作效率。

从视角上看,业务希望贴近市场的需求,如果数字化没有带来新的增长点,业务就会质疑数字化或者 AI 的手段。

从认知上讲,业务对于数字化具体实现的技术是不太关心的,只要提供需要的功能就可以,功能背后实现的逻辑不是特别去关心。

最后是重心角度,也就是业务的角度,他们可能希望是短平快的项目。我们也在倡导 IT 做迭代的项目交互能力,但实际整个迭代的效果是很难快速讲清楚的。可能在做了大量的工作之后,在一个长期的时间里,才能看到整体项目的收益和数字化的收益。

这些都是我们 IT 在应对业务问题时,或者与业务部门沟通时比较冲突的地方。总的来说,业务希望 IT 的工具和手段简单有效,而 IT 希望工具和手段能够稳定长效、长时间的去工作,这个就是我们应对数字化的挑战,也是 AI 要去面对的挑战。

AI 在落地过程中,需要寻找新的场景,企业将会借助AI能力尝试数字化的转型,包括智能化、效率化的提升,也包括从数据中挖掘一些价值,帮助管理层做分析、洞察、决策。这两块是当前比较常见到的,那 AI 现在比较新颖的应用还有基于智能客服的新型交互方式,以及创新模式和业务模式变革时,挖掘的新形式。

最近企业内部有尝试上图黄色标记的三个场景。

第一个是用户交互的新体验。过去我们内部的用户都是跟系统打交道,比较形式化且具有一定的门槛,尤其是像SAP、 ERP 的系统使用,它对于人员的输入要求是比较高的,而 AI 可以为我们提供一种新的交互方式,更加的便捷,更加的智能化,更加的人性化。

第二个是关于知识的沉淀与平等化。在过往企业的发展与经营的过程中,会有很多数据的产出,但是这些数据没有形成数据的价值,企业没有利用数据去促进企业的业务增长,这就是沉淀的价值。关于平等化,其实在企业内部还有一个比较苦恼的问题,是关于人员的培训,从管理层的角度,人工培训不能面面俱到,但是需要一定资源的投入。而通过 AI 的方式,包括知识图谱的方式,会让知识变得更加的轻量化,更加的快捷化。也许通过封装 APP 之后,在培训方面会得到一个巨大的提升。

第三个是自我迭代。知识沉淀时也有迭代过程,比如企业引入新的高管、新的业务打法,是会留下数据和知识的,这些数据最后也会反馈在知识模型里,同时又会促进整个的业务提升,而且这种提升是可以平等化的释放给每位员工。

这是我觉得可能需要重点关注的新机遇。接下来再结合具体的例子,来解释为什么说这三点非常重要。
我们是做电商行业的,也有很多海外业务,销售人员中有些资历比较高的,会有些经验知识,也有一部分是新销售,在面对产研后端研发的新产品时,销售人员不可能了解每一款新产品的动向,更多是根据客户的需求,向后端要一些简单的产品规格书的信息。

通常销售的做法是:先去问产品关联的售前,如果售前不知道产品的变化,就要去问后端的产品工程师,如果产品工程师也不知道新的变化,他可能又要去问研发工程师,才能得到想要的产品系列、产品规格的信息反馈,最终实现一次沟通的闭环。整个过程中是有壁垒、有信息差的,不能确保每一次传递的信息都是非常准确的,但凡其中一个环节出现了偏差,那整个传递的效率会大大的降低,传递的准确性也会降低。

如果有一种方式,能够把这些变更的信息,或者说历史的产品信息灌到模型中,那我们可以通过对话的方式很快的解决前端销售人员的痛点。这里面体现了上述的AI新机遇的三个点,第一个是新的交互方式,以前可能是 E-mail、打电话跟售前、后端人员沟通,现在可以用聊天对话的方式。第二个是信息的平等化,将整个知识信息全部拉通,沉淀到模型里面,每个环节里的人获取信息都是平等的。第三个是信息的迭代,信息始终是不停训练、不停沉淀的,从效率上讲,原来可能要 30 ~ 60 分钟才能拿到一个相对准确的回答,现在可能只要几秒钟,当然这个取决于我们做交互的速度和模型运转的速度,只是一个初步的估算,所以这个效益是巨大的。

02
AI 重塑业务的关键要素

究竟我们应该怎么思考 AI 的落地场景?怎么选取核心的杠杆?

核心是场景收益。因为 AI 的投入是有成本的,如果投入的成本支撑不了收益,那场景做的意义就不大,所以要选取好的场景。

场景要符合公司的愿景和战略,同时叠加具体的业务痛点,然后要去计算整个投入成本。

回归场景本身,要去实施最核心的是数据,也就是当前的数据能否支撑我们去做这个场景,以及对业务的理解够不够透彻,接下来再去考虑实施的方法,以及匹配合适的模型和算法。这就是我们在重塑业务场景的一些关键要素,基本上考虑到这几个要素,在场景选择上会更加直接有效,也能从甲方内部更有可能获得管理层的支持和支撑,逻辑和价值讲清楚才能去更好的推进场景落地。

03

AI 场景思考和落地

下面讲一些具体落地的方式方法,也包括组织架构和具体案例。

上图是我基于 IT 内部总结出的场景创新与孵化的“ EASY 模式”。

在找完场景之后,我们具体怎么落地、怎么把人员拉齐、怎么把思路拉齐,最重要的就是考虑参与方,一个是我们 IT 或者技术部门,也要找一些外部的力量也就是顾问公司,和研发部门或业务部门,一起共同合作。合作之后可能采取 workshop 的形式,要把 AI 的概念和它能做的事情跟业务部门讲清楚,实现 0 到 1 的突破,将AI的最佳实践,包括机器人的交互方式,拓展到新的业务场景,变成可复用的智能应用包,或者可复用的智能解决方案,来推广到其他新的业务领域当中。这是我们企业内部一个 0 到 1,再 1 到 n 的过程,相当于星星之火可以燎原,以及在整个组织建设和内部孵化过程中是非常重要的一个概念。

为什么叫“ EASY 模式”呢?第一个“E-Explore是部门之间协作挖掘场景,各个部门要直接去拉通,充分地表达自己。

第二个“A-Analyze” 是做数据分析,定位具体要解决哪些问题、数据是否充分、是否能够支撑我们去解决这个问题、它的效果是否能呈现出来。

第三个“S-Simulate” 是真实模拟复现场景,这个也是符合我们去做一些大模型验证的时候,用一些历史数据做了新的应用,那模型能否运用到新的数据上面、它的效果如何,这都需要我们做一个场景再现来验证。因为在 workshop 里面引入的是部分觉悟较高、层次较高的业务人员和 IT 人员,但当场景要投放到普通员工或者一线基层时,它会出现各种各样的使用问题,包括用户体验的问题,所以我们要提前做好大量的拟人工作场景。

第四个“Y-Yield”就是落地与价值阐述,讲清楚收益和价值是什么。

这大概是我们现在内部倡导的一个“ EASY 模式”,给大家一个参考。

接下来分享一个案例,是我在 SAP 做的一个发动机的大模型研究,当时只选取了“质量售后”这个场景,选择这个场景的原因是因为我们并不是非常明确的知道有哪些场景可以做,所以就回到最根本的数据层面,看我们有哪些数据,而当时我们有零件的销售和维保的数据,所以就选择了质量售后场景。

一个发动机有很多零件,这些零件销售到市场上面后,会有售后的数据反馈到质量部门,通过数据分析,在维保场景中可以设计一个合理的三包时间,保证企业利益的同时,维护用户的售后感受,这就是通过数据分析做了一个增值的服务。另外在后市场场景中,可以利用大模型进行零件销售备货的预测。设计端也可以通过零件返回的客诉信息,借助大模型的语义分析训练,找到零件上是不是有一些设计上的问题,比如说某款零件用户反馈经常发现断裂的情况,是否是当初设计产生了问题,是否是使用的材料问题,以及从产研视角了解 BOM 里的材料材质是否设置有问题,可以做一些反向的推导,来促进产研零件协同制造的质量保证。

如果你在不确定具体场景的情况下,可以先选一个大的业务领域,再去看这个业务领域的数据有哪些,再去推导一些比较好的场景,这是我自身的一些数字化落地思考和可能性建议。

接下来是第二个案例。

目前我们在内部尝试做 Pocket APP,希望拉通整个销售到产研的全链路数据,能够让销售随时随地了解后端的信息和服务,所以统一建了问答平台,里面有私有部署的大模型,也有公开大模型,主要取决于我们希望模型提供的一些能力和服务。

同时我们通过用户数据去分析、产品产量的情况、订单履约的情况、交期的情况、销售的分析,给到销售最直接的 TOP 10 产品或在售的产品。另外也会自动化做一些串联,比如当我想要了解生产计划或者后端供应链的情况,我可以触发对应的自动化流程,把这些数据抓取过来,再反馈给我们的销售用户。

整体的业务价值包含掌握产品信息,识别销售的风险,以及实时的发送所关注的数据,做智能的提醒。虽然这个产品主要是销售使用,但是我们更多的是希望能够服务好客户,以创造客户的价值为中心。

具体的流程演示大概分两块,一个是智能分析,一个是智能决策。

智能分析部分,当用户通过提问产品问题,对于刚入职的销售可能不太了解产品,就可以通过问答 ChatBot 了解产品的信息。

智能决策部分,当用户想了解具体某个订单履约情况的时候,担心交期能不能按时交货,如果出现履约异常的情况,可以借助AI做到自动的提醒,分析订单的风险,发送到给销售人员或相关业务人员,这就是我们基于AI和流程自动化做的有机结合,在流程中进行一些设定。

04

未来展望和 AI 战略规划
作为一家企业不论规模大小,我觉得至少从企业的数字化角度,需要有基本的ERP系统,这里面其实已经具备了很多数据,包括生产、财务相关数据,将这些数据利用起来是非常重要的,尤其是如果内部没有很多的力量去实现 AI 的能力,那相信对应的产品供应商,也是有能力去做AI应用支撑的。

再展望一下AI战略规划,其实从没有 AI 战略到 AI 战略的落地,围绕的核心还是以数据为核心,包括数据的调研、数据清洗、系统规划、流程梳理,以及对企业内部而言,还有一个重要的环节,就是内部人员的培养,做好 AI 人才培养。

接下来要做的是选取一个场景,刚才分享了我们选取了比较接近销售,拉通销售和后端产研通道的场景,去做定位和 ROI 导向的流程自动化设计,以及 ChatGPT 的交互方式,也可以应用在很多的业务领域。

再接着就是构建一个开放的平台,把好的实践最后总结到我们的平台上,再跟一些其他业务领域的系统做集成,包括渠道、物流等,变成一个更开放的平台,就可以去探索更多新的场景,甚至说在服务客户方面也可以选取一些创造新价值的场景。

最后总结一下,我认为 AI 的战略是未来每家企业都要去经历的一个话题,它是为未来企业增强竞争力和市场地位的一个不可或缺的助力,甚至是一个弯道超车的机会。

以上我个人的想法和经验分享,希望大家能够对 AI 有一些新的认知和思考,感谢大家。

长按二维码,领取完整版视频实录和课件

在SAP中国工作了10年,担任过开发工程师、交付顾问、企业架构师和数据科学家等职务,在SAP的职业生涯中,我专注于企业数字化转型和业务创新。2023年,我加入了理士大家庭,负责制定和实施集团IT战略,确保技术支持和系统优化,保障生产效率和数据安全,推动数字化转型与创新,主导了集团海内外ERP系统推广和上线,生产制造相关的数字化转型等。

注:点击左下角“阅读原文”,领取专家完整版实录和分享课件


爱分析ifenxi 爱分析是一家中国领先的数字化市场研究与咨询机构。
评论
  • 一、行业背景与需求痛点智能电子指纹锁作为智能家居的核心入口,近年来市场规模持续增长,用户对产品的功能性、安全性和设计紧凑性提出更高要求:极致空间利用率:锁体内部PCB空间有限,需高度集成化设计。语音交互需求:操作引导(如指纹识别状态、低电量提醒)、安全告警(防撬、试错报警)等语音反馈。智能化扩展能力:集成传感器以增强安全性(如温度监测、防撬检测)和用户体验。成本与可靠性平衡:在复杂环境下确保低功耗、高稳定性,同时控制硬件成本。WTV380-P(QFN32)语音芯片凭借4mm×4mm超小封装、多传
    广州唯创电子 2025-03-13 09:24 41浏览
  • 北京时间3月11日,国内领先的二手消费电子产品交易和服务平台万物新生(爱回收)集团(纽交所股票代码:RERE)发布2024财年第四季度和全年业绩报告。财报显示,2024年第四季度万物新生集团总收入48.5亿元,超出业绩指引,同比增长25.2%。单季non-GAAP经营利润1.3亿元(non-GAAP口径,即经调整口径,均不含员工股权激励费用、无形资产摊销及因收购产生的递延成本,下同),并汇报创历史新高的GAAP净利润7742万元,同比增长近27倍。总览全年,万物新生总收入同比增长25.9%达到1
    华尔街科技眼 2025-03-13 12:23 50浏览
  • 文/杜杰编辑/cc孙聪颖‍主打影像功能的小米15 Ultra手机,成为2025开年的第一款旗舰机型。从发布节奏上来看,小米历代Ultra机型,几乎都选择在开年发布,远远早于其他厂商秋季主力机型的发布时间。这毫无疑问会掀起“Ultra旗舰大战”,今年影像手机将再次被卷上新高度。无意臆断小米是否有意“领跑”一场“军备竞赛”,但各种复杂的情绪难以掩盖。岁岁年年机不同,但将2-3年内记忆中那些关于旗舰机的发布会拼凑起来,会发现,包括小米在内,旗舰机的革新点,除了摄影参数的不同,似乎没什么明显变化。贵为旗
    华尔街科技眼 2025-03-13 12:30 60浏览
  • 在海洋监测领域,基于无人艇能够实现高效、实时、自动化的海洋数据采集,从而为海洋环境保护、资源开发等提供有力支持。其中,无人艇的控制算法训练往往需要大量高质量的数据支持。然而,海洋数据采集也面临数据噪声和误差、数据融合与协同和复杂海洋环境适应等诸多挑战,制约着无人艇技术的发展。针对这些挑战,我们探索并推出一套基于多传感器融合的海洋数据采集系统,能够高效地采集和处理海洋环境中的多维度数据,为无人艇的自主航行和控制算法训练提供高质量的数据支持。一、方案架构无人艇要在复杂海上环境中实现自主导航,尤其是完
    康谋 2025-03-13 09:53 44浏览
  • 在追求更快、更稳的无线通信路上,传统射频架构深陷带宽-功耗-成本的“不可能三角”:带宽每翻倍,系统复杂度与功耗增幅远超线性增长。传统方案通过“分立式功放+多级变频链路+JESD204B 接口”的组合试图平衡性能与成本,却难以满足实时性严苛的超大规模 MIMO 通信等场景需求。在此背景下,AXW49 射频开发板以“直采+异构”重构射频范式:基于 AMD Zynq UltraScale+™ RFSoC Gen3XCZU49DR 芯片的 16 通道 14 位 2.5GSPS ADC 与 16
    ALINX 2025-03-13 09:27 32浏览
  •        随着人工智能算力集群的爆发式增长,以及5.5G/6G通信技术的演进,网络数据传输速率的需求正以每年30%的速度递增。万兆以太网(10G Base-T)作为支撑下一代数据中心、高端交换机的核心组件,其性能直接决定了网络设备的稳定性与效率。然而,万兆网络变压器的技术门槛极高:回波损耗需低于-20dB(比千兆产品严格30%),耐压值需突破1500V(传统产品仅为1000V),且需在高频信号下抑制电磁干扰。全球仅有6家企业具备规模化量产能力,而美信科
    中科领创 2025-03-13 11:24 40浏览
  • 一、行业背景与用户需求随着健康消费升级,智能眼部按摩仪逐渐成为缓解眼疲劳、改善睡眠的热门产品。用户对这类设备的需求不再局限于基础按摩功能,而是追求更智能化、人性化的体验,例如:语音交互:实时反馈按摩模式、操作提示、安全提醒。环境感知:通过传感器检测佩戴状态、温度、压力等,提升安全性与舒适度。低功耗长续航:适应便携场景,延长设备使用时间。高性价比方案:在控制成本的同时实现功能多样化。针对这些需求,WTV380-8S语音芯片凭借其高性能、多传感器扩展能力及超高性价比,成为眼部按摩仪智能化升级的理想选
    广州唯创电子 2025-03-13 09:26 33浏览
  • 曾经听过一个“隐形经理”的故事:有家公司,新人进来后,会惊讶地发现老板几乎从不在办公室。可大家依旧各司其职,还能在关键时刻自发协作,把项目完成得滴水不漏。新员工起初以为老板是“放羊式”管理,结果去茶水间和老员工聊过才发现,这位看似“隐形”的管理者其实“无处不在”,他提前铺好了企业文化、制度和激励机制,让一切运行自如。我的观点很简单:管理者的最高境界就是——“无为而治”。也就是说,你的存在感不需要每天都凸显,但你的思路、愿景、机制早已渗透到组织血液里。为什么呢?因为真正高明的管理,不在于事必躬亲,
    优思学院 2025-03-12 18:24 81浏览
  • 前言在快速迭代的科技浪潮中,汽车电子技术的飞速发展不仅重塑了行业的面貌,也对测试工具提出了更高的挑战与要求。作为汽车电子测试领域的先锋,TPT软件始终致力于为用户提供高效、精准、可靠的测试解决方案。新思科技出品的TPT软件迎来了又一次重大更新,最新版本TPT 2024.12将进一步满足汽车行业日益增长的测试需求,推动汽车电子技术的持续革新。基于当前汽车客户的实际需求与痛点,结合最新的技术趋势,对TPT软件进行了全面的优化与升级。从模型故障注入测试到服务器函数替代C代码函数,从更准确的需求链接到P
    北汇信息 2025-03-13 14:43 40浏览
  • DeepSeek自成立之初就散发着大胆创新的气息。明明核心开发团队只有一百多人,却能以惊人的效率实现许多大厂望尘莫及的技术成果,原因不仅在于资金或硬件,而是在于扁平架构携手塑造的蜂窝创新生态。创办人梁文锋多次强调,与其与大厂竞争一时的人才风潮,不如全力培养自家的优质员工,形成不可替代的内部生态。正因这样,他对DeepSeek内部人才体系有着一套别具一格的见解。他十分重视中式教育价值,因而DeepSeek团队几乎清一色都是中国式学霸。许多人来自北大清华,或者在各种数据比赛中多次获奖,可谓百里挑一。
    优思学院 2025-03-13 12:15 47浏览
我要评论
0
点击右上角,分享到朋友圈 我知道啦
请使用浏览器分享功能 我知道啦